突然想起来该来"还账"了，这剩下的一百多篇没想到竟然写了这么久...
自从大模型出现，很多逻辑都变了。过去需要手敲代码，精雕细琢，所以写文章的频率比较高。今年以来，新模式完全确认，工作方式和输出的地方都不一样了。最初是希望写1000篇，我觉得实实在在的有点用的东西回馈社区，现在整个变革太大了，过去旧的方式不适用。所以接下来，我仍然会继续去写完（分享有用的东西），但是不再去说太细的东西，毕竟大模型做的比人好了。
接下来这段，算是我回顾过去十个月的巨大变化的一些细节，给正在或有志于agent 编程的人参考。
总体上，我算是一直在跟着ai发展的人，从最初的机器学习开始，中间一直没中断（部分要感谢老板的鞭策），而且所学颇杂。
在今年一月份的时候，那时候是智普，好像是glm4.6 还是啥的，当时是一个很大的飞跃，让我觉得终于，或者说真的应该再也不写代码了。因为ai的发展有点跳跃，所以当时我是有点惶恐的，就好像在备考的学生，觉得明明下个月才考试，结果老师说明天。
想起来了，应该是openclaw 横空出世（我还特地去买了mac mini,主要还是惶恐），当时的冲击特别大。然后我就琢磨着怎么去改变，那时候还完全没准备好。我记得过年的时候，喝的醉醺醺的还在电脑前面看。
我当时做了几件事：1、迅速安装开始使用 openclaw 2、剖析openclaw的源码，设计逻辑 3、开始整合langchain 开始从头思考agent应该怎么做
我想自己做agent,后来叫harness 啥的，应该是一个很小众的事。我一方面是性格使然，另一方面是曾经被所谓产品坑过很多次：刚开始挺顺溜，后面最关键的地方就不行。所以我想，如果要长期搞下去，一定要有这个决心。至少从目前的态势来看，即便是codex也不行（大概率最后也是要凉凉的产品）
openclaw提供了一个非常好的原型，但它本身是不健全的，经不起长期、重型的工程考验；但是有很多非常理想化的东西，结合当时已经阶跃跳变的大模型，他证明了 agent, agent-swarm是可行的。里面有很多东西还是值得细看。
然后langchain本身这个框架，也揭示手搓agent的可行性。因为这个框架还是不够简单和透明，所以我决定从第一性原理的角度出发，自己搭。
我的agent用了一个很简单的名字：andybot ，我是把agent假定成一个人的方式来构建的，很重要的一块是记忆和自学习，这个在标准产品里是不太可能做好的（个人隐私这块很难通过）。
andybot所依赖的agent或者说大模型调用，我分为了三种类型（也是层层递进的）
- 1 llm : 最简单的大模型调用，单次
- 2 agent_loop: 多轮的大模型调用迭代
- 3 real_agent: 带上了记忆、人格、技能的完整agent
这三种形态有递进关系，但是又值得独立存在。
后来有一阵子又接触了各种形形色色的harness, 加深了我之前的判断（能用，但不靠谱）
再后来，大约是6-8月的这段时间，codex 让我觉得又变了，整个往上走了一层。我甚至在这个时候把andybot的web版做了一版，等于是在用大模型造agent的感觉。这个时期最明显的感觉是大模型真的可以很放心的去用了。
然后就是最近1个月codex 各种反复横跳，过程中不论是模型本身的智商 ，客户端的稳定性和模型容量都出了很大的问题。这个时候我被迫转向了zcode， 然后用了glm 5.3 flash，然后感觉配方对了，开始大规模出量，但是我的同事们反而用不动。这也是很有意思的事，因为我一直在强调框架和方法论。我这边高度可行。
后来zcode开源了之后我拆开了看过，然后上周重构了andybot cli。目前测下来还是不错的，我准备接下来一个月用影子策略的方式慢慢转成主用。
结语
一个很客观的是，从一月到现在，我真的没再写过代码；而且已经逐渐不核代码；前向的逻辑，采用架构，比如状态机来进行可靠性设计；反向的逻辑，依赖回归，特别是e2e 测试。